STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

(1)

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

Arie Restu Wardhani1), Salvador Manuel Pereira2) Abstrak

Perusahaan sepatu dan sandal “House of Mr. Pienk” Malang merupakan perusahaan skala Industri kecil yang bergerak di bidang pembuatan sandal dan sepatu. Selama ini peramalan produksi hanyalah berdasarkan intuisi dari pemilik perusahaan, sehingga apabila permintaan meningkat maka perusahaan kekurangan persediaan, dan begitu pun sebaliknya. Oleh karena itu perlu adanya peramalan yang dihitung berdasarkan pola data masa lalu. Penelitian ini menggunakan metode peramalan Moving Average dan Exponential Smoothing. Berdasarkan perhitungan, maka diperoleh metode dengan kesalahan peramalan terkecil yaitu Metode Double Exponential Smoothing dengan MAD = 280, MSD = 222698, dan MAPE = 3. Adapun setiap bulannya kapasitas produksi perusahaan adalah sebesar 11267.

Kata Kunci: Peramalan, deret berkala, moving average, exponential smoothing, double exponential smoothing PENDAHULUAN

Setiap aktivitas perusahaan memiliki tujuan untuk memperoleh keuntungan. Oleh karena itu, perusahaan harus dapat meningkatkan kemampuan bersaingnya dari segi kualitas produk, kuantitas, dan kemampuan memenuhi permintaan konsumen. Dalam memenuhi permintaan konsumen, perusahaan dapat meramalkan permintaan konsumen yang fluktuatif dengan menggunakan metode-metode peramalan yang berdasarkan data permintaan historis. Penentuan peramalan cukup penting dalam perencanaan produksi, karena proses ini adalah awal dari penentuan perencanaan produksi dan distribusi. Penentuan peramalan diawali dengan membuat pola permintaan berdasarkan data permintaan historis. Dari pola tersebut, maka peramalan untuk tahun berikutnya dapat disusun. Namun, peramalan tidak selalu akurat, oleh karena itu perlu dilakukan pengukuran kesalahan dan evaluasi dengan permintaan nyata untuk menentukan pola peramalan berikutnya.

Penelitian ini dilakukan pada perusahaan sepatu dan sandal “House of Mr. Pienk” Malang yang bergerak di bidang pembuatan sandal dan sepatu. Perusahaan ini termasuk industri kecil yang memiliki pangsa pasar Indonesia dan Australia. Perusahaan sepatu Mr. Pink belum menerapkan system peramalan dan melakukan perencanaan berdasarkan intuisi pemilik perusahaan dan Departemen Marketing.

Peramalan

Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang akan datang. Peramalan tersebut dapat berdasarkan pada bermacam-macam cara yang biasa dikenal dengan metode peramalan. Peramalan produksi sangat penting karena digunakan sebagai landasan kerja bagi perusahaan, dengan mengetahui rencana pengadaan

pada waktu yang akan datang. Baik tidaknya peramalan yang disusun di samping ditentukan oleh metode yang dipergunakan juga ditentukan oleh baik tidaknya informasi kuantitatif yang digunakan.

Peramalan kualitatif

Input yang dibutuhkan tergantung pada pemikiran intuitif, pertimbangan, dan pengetahuan yang telah didapat. Metode ini dibagi menjadi dua, yaitu :

a. Metode Eksploratoris

Metode ini dimulai dengan masa lalu dan masa kini sebagai titik awalnya dan bergerak ke arah masa depan dengan melihat semua kemungkinan yang ada.

b. Metode Normatif

Metode ini dimulai dengan menetapkan sasaran dan tujuan yang akan datang, kemudian bekerja mundur untuk melihat apakah hal ini dapat dicapai berdasarkan kendala, sumberdaya, dan teknologi yang tersedia.

Peramalan kuantitatif

Metode Kuantitatif adalah metode peramalan yang sangat mengandalkan pola data historis yang dimiliki.Peramalan kuantitatif ini dipergunakan bila terdapat kondisi sebagai berikut :

Tersedianya informasi tentang masa lalu Informasi tersebut dapat dikuantitatifkan dalam

bentuk data

Informasi tersebut dapat diasumsikan bahwa pola masa lalu akan terus berlanjut sampai ke masa datang.

Metode kuantitatif ini dibagi menjadi dua yaitu :

a. Metode Deret Berkala (Time series)

Metode Deret Berkala adalah peramalan di masa datang didasarkan pada nilai sebuah variable masa lalu atau kesalahan yang dilakukan sebelumnya.

(2)

Tujuannya yaitu meneliti pola data yang digunakan untuk meramalkan dan melakukan ekstrapolasi ke masa depan. Metode peramalan ini menggunakan time series sebagai dasar peramalan data aktual lalu yang akan diramalkan untuk mengetahui pola data yang diperlukan. Metode-metode peramalan dengan menggunakan time series yaitu:

1. Metode Rata-Rata Bergerak (Moving Average)

Metode ini lebih baik daripada metode rerata sederhana di atas, di mana pada metode ini ramalan untuk periode berikutnya merupakan rata-rata dari beberapa metode sebelumnya. Pada metode ini menggunakan data paling sedikit 3 periode, tetapi yang sering digunakan antara lain : 3 periode, 4 periode, dan 5 periode. Adapun notasi yang digunakan dalam metode ini adalah:

n

1 n -t 1 -t t 1 t

X

...

X

S

+ +

+

=

Di mana :

t = Nilai paling akhir

1 t

S

+ = ramalan untuk periode t + 1

r = nilai paling akhir

Xt = data pada periode t

n = jumlah data

2. Metode Eksponensial Smoothing

Metode Pemulusan Exponential merupakan peramalan yang mengikuti pola fluktuasi data yang diobservasi pada suatu periode untuk ramalan pada masa yang akan dating dengan cara melicinkan atau yang disebut Smoothing, dan mengurangi fluktuasi ramalan tersebut.

• Single Smoothing Eksponential

Metode Smoothing Eksponential tunggal hanya membutuhkan dua titik data meramalkan nilai yang akan terjadi pada masa yang akan datang. Persamaan yang digunakan adalah: t t 1 t

X

(1

-

)F

F

₊

=

α

+

α

Dimana: F = ramalan t = periode x = data

• Double Smoothing Eksponential

Metode Smoothing Eksponential ganda merupakan peramalan yang perhitungan hanya membutuhkan tiga buah nilai data dan

nilai α. Persamaan yang digunakan dalam metode ini adalah:

m

b

a

S

S"

)

-(1

S'

S"

S'

)

-(1

X

S'

t. t m t 1 -t t t 1 -t t t

+

=

+

=

+

=

+

α

Dimana:

S’t= nilai ramalan smoothing tunggal

S”t= nilai ramalan smoothing ganda

at = 2 S’t- S”t

)

(

1

' n t t

S

bt

−

=

α

b. MetodeKausal

Model ini mengasumsikan bahwa faktor yang diramalkan menunjukkan suatu hubungan sebab-akibat dengan satu atau lebih variable bebas. Metode peramalan dengan kausalitas yaitu:

Metode Regresi dan Korelasi

Regresi merupakan suatu pola hubungan yang berbentuk lurus antara suatu variabel yang diramalkan dengan satu variabel yang mempengaruhinya atau variabel bebas yaitu waktu. Adapun notasi dari metode regresi linier dinyatakan sebagai berikut :

Y = a + bx Dimana:

Y = vairabel yang diramalkan X = variabel waktu

a,b = konstanta

Untuk mendapatkan nilai-nilai a dan b yang merupakan nilai konstan yang tidak berubah selama penganalisaan adalah sebagai berikut: ∑Y = na + bx ∑XY = a .∑x + b ∑x2 dimana: x = variabel waktu y = penjualan riil n = jumlah data a,b = konstanta

Pengukuran Kesalahan Peramalan

Hasil peramalan yang akurat adalah peramalan yang bias meminimalkan kesalahan

(3)

meramal. Karena itu dalam menghitung kesalahan meramal digunakan :

a. Mean Absolute Error (MAE)

Mean Absolute Error (MAE) adalah rata-rata absolute dari kesalahan meramal, tanpa menghiraukan tanda positif atau negatif.

b. Mean

Squred Error

(MSE)

Mean Squred Error (MSE) adalah rata-rata kesalahan meramal yang dikuadratkan.

c. Mean Absolute

Percentage Error (MAPE)

Mean Absolute Percentage Error (MAPE) merupakan nilai tengah kesalahan persentase absolute dari suatu peramalan.

Keterangan :

Xt = Nilai data periodeke-t Ft = Nilai ramalan periode ke-t n = banyaknya data

METODE PENELITIAN

Identifikasi dan Perumusan Masalah

Dari hasil survey awal dan study pustaka maka peneliti mencoba merumuskan masalah yang ada, mengacu pada permasalahan yang timbul pada survey awal penelitianya itu tidak adanya metode peramalan yang digunakan oleh perusahaan.

Pengumpulan Data/Informasi

Merupakan suatu proses untuk mendapatkan data yang dibutuhkan dalam pemecahan masalah. Data yang dibutuhkan adalah Data Penjualan Sepatu Tahun 2009.

Pengolahan Data

Data yang telah dikumpulkan diolah dengan menggunakan software Minitab. Metode peramalan yang digunakan adalah metode Deret Berkala (Time Series) sebagai berikut :

1. Metode Moving Average dengan 3 bulanan peramalan

2. Metode Moving Average dengan 4 bulanan peramalan

3. Metode Single Exponential Smoothing dengan α = 0,2

4. Metode Double Exponential Smoothing α = 0,3 dan 0,5

Analisis Hasil

Dari beberapa metode peramalan yang digunakan, akan dipilih metode peramalan berdasarkan kesalahan peramalan terkecil.

PENGUMPULAN DATA

Data yang diperlukan dalam metode peramalan penjualan ini diambil berdasarkan data-data historis yang tersedia pada bagian yang bersangkutan yaitu bagian penjualan, data-data tersebut adalah data-data penjualan per periode. Data- data tersebut secara lengkap adalah sebagai berikut:

Tabel 1. Data Jumlah Penjualan Sepatu Tahun 2009

Bulan Jumlah Produk (Pasang)

Januari 5.100 February 5.430 Maret 5.675 April 6.420 Mei 6.900 Juni 7.200 Juli 7.500 Agustus 8.300 September 8.760 Oktober 9.100 November 9.800 Desember 11.600

HASIL DAN PEMBAHASAN

Berikut ini adalah hasil peramalan untuk tahun 2010.

Tabel 2. Hasil Peramalan Produk Sepatu Tahun 2010 Bulan Moving Average 3 bulanan Moving Average 4 bulanan Single Exponential Smoothing α = 0,2 Double Exponential Smoothing α = 0,3 danβ = 0,5 Januari 10166.7 9815 8780.78 11276.5 February 10166.7 9815 8780.78 11276.5 Maret 10166.7 9815 8780.78 11276.5 April 10166.7 9815 8780.78 11276.5 Mei 10166.7 9815 8780.78 11276.5 Juni 10166.7 9815 8780.78 11276.5 Juli 10166.7 9815 8780.78 11276.5 Agustus 10166.7 9815 8780.78 11276.5 September 10166.7 9815 8780.78 11276.5 Oktober 10166.7 9815 8780.78 11276.5 November 10166.7 9815 8780.78 11276.5 Desember 10166.7 9815 8780.78 11276.5

n

F

X

_t _t 1

−

∑

=

− n t

MAE

(

)

n

Ft

Xt

MAE

n t 2 1

−

∑

=

−

n

Xt

Ft

Xt

MAE

n t

−

∑

=

−1

(4)

Tabel 3.Ukuran Akurasi Hasil Peramalan

N o

Metode Peramalan

Ukuran Akurasi Hasil Peramalan MAP E MSD MAD 1 Metode Moving Average dengan 3 bulanan 13 1490781 1130 2 Metode Moving Average dengan 4 bulanan 16 2131532 1378 3 Metode Single Exponential Smoothing dengan α = 0,2 17 2667751 1384 4 Metode Double Exponential Smoothing α = 0,3 dan β=0,5 3 222698 280 Analisa Hasil

Dari hasil analisis peramalan pada tiap metode di atas menunjukkan bahwa ada beberapa alternatif yang perlu diambil oleh perusahaan yaitu sebagai berikut :

a. Jika perusahaan menginginkan MAPE yang terkecil maka perusahaan dapat memilih metode double exponential smoothing.

b. Jika perusahaan menginginkan MSD yang terkecil maka perusahaan dapat memilih metode double exponential smoothing.

c. Jika perusahaan menginginkan MAD yang terkecil maka perusahaan dapat memilih metode double exponential smoothing.

KESIMPULAN DAN SARAN Kesimpulan

1. Metode peramalan yang sesuai untuk perusahaan Mr. Pink adalah Double Eksponential Smoothing, karena memiliki MAPE, MSD dan MAD terkecil.

2. Jika menggunakan metode peramalan Double Eksponential Smoothing, maka perusahaan harus menambah kapasitas produksinya yaitu sebesar 11276.5 ≈ 11267 setiap bulan pada tahun 2010.

Saran

Hendaknya perusahaan menggunakan metode peramalan dalam perencanaan produksinya, tidak hanya berdasarkan intuisi. Perusahaan sebaiknya menetapkan metode-metodeperamalan yang sesuai dengan standar error terkecil, sehingga perusahaan dapat

melakukan perincian produksi pada masa yang akan datang.

DAFTAR PUSTAKA

[1] Aritonang R, Lerbin R. 2002. Peramalan Bisnis. Jakarta : Ghalia Indonesia.

[2] Handoko, T. Hani. 1984. Dasar-dasar Manajemen Produksi dan Operasi, Yogyakarta : BPFE. [3] Nasution, Arman Hakim. 2003. Perencanaan dan

Pengendalian Produksi. Edisi Pertama. Jakarta: GunaWidya.

[4] Render, Barry danHeizer. 2001. Prinsip-prinsip Manajemen Operasi. Jakarta : Salemba Empat.

Lampiran

(5)

Data C1 Length 12 NMissing 0 Moving Average Length 3 Accuracy Measures MAPE 13 MAD 1130 MSD 1490781

Time C1 MA Predict Error

1 5100 * * * 2 5430 * * * 3 5675 5401.7 * * 4 6420 5841.7 5401.67 1018.33 5 6900 6331.7 5841.67 1058.33 6 7200 6840.0 6331.67 868.33 7 7500 7200.0 6840.00 660.00 8 8300 7666.7 7200.00 1100.00 9 8760 8186.7 7666.67 1093.33 10 9100 8720.0 8186.67 913.33 11 9800 9220.0 8720.00 1080.00 12 11600 10166.7 9220.00 2380.00 Forecasts

Period Forecast Lower Upper

13 10166.7 7773.60 12559.7 14 10166.7 7773.60 12559.7 15 10166.7 7773.60 12559.7 16 10166.7 7773.60 12559.7 17 10166.7 7773.60 12559.7 18 10166.7 7773.60 12559.7 19 10166.7 7773.60 12559.7 20 10166.7 7773.60 12559.7 21 10166.7 7773.60 12559.7 22 10166.7 7773.60 12559.7 23 10166.7 7773.60 12559.7 24 10166.7 7773.60 12559.7

b. Metode Moving Average dengan 4 bulananperamalan

Data C1 Length 12 NMissing 0 Moving Average Length 4 Accuracy Measures MAPE 16 MAD 1378 MSD 2131532

Time C1 MA Predict Error

1 5100 * * * 2 5430 * * * 3 5675 * * * 4 6420 5656.25 * * 5 6900 6106.25 5656.25 1243.75 6 7200 6548.75 6106.25 1093.75 7 7500 7005.00 6548.75 951.25 8 8300 7475.00 7005.00 1295.00 9 8760 7940.00 7475.00 1285.00 10 9100 8415.00 7940.00 1160.00 11 9800 8990.00 8415.00 1385.00 12 11600 9815.00 8990.00 2610.00 Forecasts

13 9815 6953.50 12676.5 14 9815 6953.50 12676.5 15 9815 6953.50 12676.5 16 9815 6953.50 12676.5 17 9815 6953.50 12676.5 18 9815 6953.50 12676.5 19 9815 6953.50 12676.5 20 9815 6953.50 12676.5 21 9815 6953.50 12676.5 22 9815 6953.50 12676.5 23 9815 6953.50 12676.5 24 9815 6953.50 12676.5 c. Metode Single Exponential Smoothing dengan α = 0,2 Data C1 Length 12 Smoothing Constant Alpha 0.2 Accuracy Measures MAPE 17 MAD 1384 MSD 2667751

Time C1 Smooth Predict Error

1 5100 5916.67 6120.83 -1020.83 2 5430 5819.33 5916.67 -486.67 3 5675 5790.47 5819.33 -144.33 4 6420 5916.37 5790.47 629.53 5 6900 6113.10 5916.37 983.63 6 7200 6330.48 6113.10 1086.90 7 7500 6564.38 6330.48 1169.52 8 8300 6911.51 6564.38 1735.62 9 8760 7281.21 6911.51 1848.49 10 9100 7644.96 7281.21 1818.79 11 9800 8075.97 7644.96 2155.04 12 11600 8780.78 8075.97 3524.03 Forecasts

13 8780.78 5390.98 12170.6 14 8780.78 5390.98 12170.6 15 8780.78 5390.98 12170.6 16 8780.78 5390.98 12170.6 17 8780.78 5390.98 12170.6 18 8780.78 5390.98 12170.6 19 8780.78 5390.98 12170.6 20 8780.78 5390.98 12170.6 21 8780.78 5390.98 12170.6 22 8780.78 5390.98 12170.6 23 8780.78 5390.98 12170.6 24 8780.78 5390.98 12170.6

d. MetodeDouble Exponential Smoothing dengan α =

0,3 danβ= 0,5 Data C1 Length 12 Smoothing Constants Alpha (level) 0.3 Gamma (trend) 0.5 Accuracy Measures MAPE 3 MAD 280 MSD 222698

(6)

Time C1 Smooth Predict Error 1 5100 4851.4 4744.8 355.19 2 5430 5431.8 5432.6 -2.63 3 5675 5911.4 6012.7 -337.72 4 6420 6435.1 6441.6 -21.62 5 6900 6943.5 6962.1 -62.11 6 7200 7382.8 7461.1 -261.13 7 7500 7752.9 7861.3 -361.28 8 8300 8214.0 8177.2 122.81 9 8760 8687.7 8656.8 103.25 10 9100 9132.2 9145.9 -45.93 11 9800 9648.4 9583.5 216.53 12 11600 10572.6 10132.2 1467.78 Forecasts

13 11276.5 10590.9 11962.1 14 11980.5 11203.1 12757.8 15 12684.4 11805.7 13563.2 16 13388.4 12401.7 14375.1 17 14092.4 12993.0 15191.7 18 14796.3 13580.9 16011.7 19 15500.3 14166.4 16834.2 20 16204.2 14749.9 17658.6 21 16908.2 15332.0 18484.4 22 17612.2 15913.0 19311.4 23 18316.1 16493.0 20139.2 24 19020.1 17072.4 20967.8